Ciência dos Dados. Preparado por Intel Corporation Bruno Domingues Principal Architect. segunda-feira, 5 de agosto de 13

Tamanho: px
Começar a partir da página:

Download "Ciência dos Dados. bruno.domingues@intel.com. Preparado por Intel Corporation Bruno Domingues Principal Architect. segunda-feira, 5 de agosto de 13"

Transcrição

1 Ciência dos Dados Preparado por Intel Corporation Bruno Domingues Principal Architect

2 Homem na Lua Software Data: kb, 2kb, RAM, Fortran Tem que funcionar! Apolo XI Velocidade: 3500km/h Peso: kg Extremamente Complexo Homem na Lua Distância: km Nunca feito antes Precisa retornar à Terra

3 Apolo XI, kb SkyDive Stratos, 2012 Dezenas de Gigabytes

4 Big Data não significa necessariamente volume de dados

5 O que é Big Data? Os n- Vs Volume Variedade Velocidade Outros Vs que queira incluir

6 Desafios Precisamos paralelizar as operações com os dados mas isso é muito complexo e caro... O negócio não consegue acessar os dados relevantes e o tempo todo precisa de dados externos... Não podemos tratar em tempo os dados dos clientes para melhor a interação com eles... Não dá para colocar todos os dados no modelo star-schema... Os relatórios de BI não dizem algo que já não se sabe... Não é mais possível processar os dados dentro da janela de ETL... Não é possível predizer com boa margem de certeza se não se pode explorar os dados e desenvolver os próprios modelos Big Data nos força a mudar a forma como coletamos, armazenamos, gerenciamos, analisamos e visualizamos dado

7 Entendendo por Analogia Pense em data como petróleo Big Data neste contexto é a extração do petróleo, transportar em tanques, bombear através dos oleodutos e armazená-los em silos Tudo isso é Big Data...

8 A Arte e a Ciência de Descobrir o que não sabemos dos dados Obter previsão, informação acionável dos dados Criar produto dos dados que possuem impacto nos negócios Comunicar histórias relevantes dos dados para o negócio Criar confiança nas decisões que criam valor ao negócio

9 O cientista de dados Cético Curioso Possui uma mente investigativa Conhece sobre máquinas de aprendizagem Estatística Probabilidade Métodos científicos aplicados Realiza experimentos Programador Conhece sobre infraestrutura Sabe como criar produtos dos dados Capaz de encontrar respostas para perguntas Conta histórias relevantes para a área de negócio Tem domínio da teoria do conhecimento

10 10 coisas que os cientista dos dados fazem 1. Faz boas perguntas. O que é que Nós não sabemos?... O que queremos saber? 2. Define e testa hipóteses, Executa experimentos 3. Minera, raspa, lava amostras de dados relevantes 4. Simula e massacra o dado... Doma os dados 5. Explora, brinca com dados de forma a descobrir o que não se sabe 6. Modela os dados e os algoritmos 7. Entende as relações entre os dados 8. Programa a máquina de aprendizado de dados 9. Cria produtos a partir dos dados que entregam informação acionável 10. Conta histórias relevantes sobre os dados

11 A caixa de ferramentas do cientísta de dados Java, R, Python... Hadoop, HDFS e MapReduce... Hbase, Pig e Hive... ETL, Webscrapers, Flume, Sqoop... SQL, SGDB, DW, OLAP Knime, Weka, RapidMiner... D3.js, Gephi, ggplot2, Tableu, Flare, Shiny... SPSS, Matlab, SAS... NoSQL, Mongo DB, Couchbase, Cassandra... Microsoft Excel (acredite, realmente importante!)

12 Alguns princípios da Ciência dos Dados 1. Sistemas Sócio-Ténicos (STS) são complexos 2. Dados nunca descansam 3. Dado é sujo, lide com ele 4. Minerar e Lavar os dados tomam mais de 70% do tempo 5. Simplificação, Redução e Destilação 6. Curiosidade, Empirismo e Ceticismo

13 D I C E S Dado Informação Conheciment o Passado Entendiment o Sabedoria Futuro Eng. de Dados Analista de Minerador de Cientista de Dados Dados Dados Cru O que Como Porque Quando Números Descrição Experiência Causa e Efeito Predição Cartas Contexto Testado Provado O que é o melhor Símbolos Relacionamento Instruções Conhecer o que Conhecer o que não se sabe nem é Sinais Relatórios Programas Modelos perguntado

14 Modelo de Dados vs. Modelo de Algoritmo Modelagem de Dados Modelagem de Algoritmos Nós entendemos o mundo O quanto modelo de dados funciona Estatística, analise dados, mineração Regressão Linear Regressão Logística Distribuições conhecidas Intervalos de confiança Variáveis de predição Não entendemos o mundo O dados são uma caixa-preta Cientista dos Dados Máquina de aprendizado, IA, Rede Neural Interativo Acurácia Preditiva Florestas Aleatórias, SVM, GBT Distribuições de Múltiplas variáveis desconhecidas Variáveis de predição

15 Aprendizado pelos Dados têm seus segredos Estatístico vs. Máquina de Aprendizado Supervisionado vs. Aprendizado não assistido Indução vs. Dedução Amostragem e Intervalos de confiança Probabilidade e Distribuição Derivação e Variância Correlação vs. Casualidade Casualidade e Predição

16 Obrigado!

BIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com

BIG DATA INTRODUÇÃO. Humberto Sandmann humberto.sandmann@gmail.com BIG DATA INTRODUÇÃO Humberto Sandmann humberto.sandmann@gmail.com Apresentação Humberto Sandmann humberto.sandmann@gmail.com Possui graduação em Ciências da Computação pelo Centro Universitário da Faculdade

Leia mais

MBA Analytics em Big Data

MBA Analytics em Big Data MBA Analytics em Big Data Inscrições Abertas Início das Aulas: 04/06/2015 Dias e horários das aulas: Segunda-Feira 19h00 às 23h00 Semanal Sexta-Feira 19h00 às 23h00 Semanal Carga horária: 600 Horas Duração:

Leia mais

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.

O que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1. O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar

Leia mais

Contexto de Big Data, Ciência de Dados e KDD

Contexto de Big Data, Ciência de Dados e KDD Contexto de Big Data, Ciência de Dados e KDD Fabrício J. Barth! Disciplina de Modelagem Descritiva e Preditiva! Pós-Graduação em Big Data e Analytics 100 10 quantidade de informações Sempre houve:!! Produção

Leia mais

Análises Preditivas com uso do BIG DATA. Um estudo de caso

Análises Preditivas com uso do BIG DATA. Um estudo de caso Análises Preditivas com uso do BIG DATA Um estudo de caso BIG DATA Conceitualmente um ambiente de infinitas possibilidades O que sabemos é uma gota, o que ignoramos é um oceano (Isaac Newton) BIG DATA

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local

Leia mais

BIG DATA E ESTRATÉGIA. 19 de junho de 2015. Universidade Federal do Rio de Janeiro. Redes de Computadores I. Adriana, Evandro e Fernanda.

BIG DATA E ESTRATÉGIA. 19 de junho de 2015. Universidade Federal do Rio de Janeiro. Redes de Computadores I. Adriana, Evandro e Fernanda. nas & Redes de BIG DATA E ESTRATÉGIA Universidade Federal do Rio de Janeiro 19 de junho de 2015 nas & 1 2 3 nas & 4 Sumário 5 6 nas & Apresentação Escolha do tema Resumo do trabalho (fonte) nas & O que

Leia mais

Modelagens e Gerenciamento de riscos (Simulação Monte Carlo)

Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Modelagens e Gerenciamento de riscos (Simulação Monte Carlo) Prof. Esp. João Carlos Hipólito e-mail: jchbn@hotmail.com Sobre o professor: Contador; Professor da Faculdade de Ciências Aplicadas e Sociais

Leia mais

Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz

Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz Laboratório de Dependabilidade e Segurança Lades Profs. Luiz Laranjeira, Nilton Silva, e Fabrício Braz RENASIC/CD-CIBER CD Ciber CTC - Comitê Técnico Científico RENASIC CD Comitê Diretor ASTECA VIRTUS

Leia mais

FLUXO DE CAIXA: Módulo BI (Business Intelligence)

FLUXO DE CAIXA: Módulo BI (Business Intelligence) RELATÓRIO DE ESTÁGIO: Tânia Cristina Leite RA: 046567 Orientador: Prof. Dr. Aurelio Ribeiro Leite de Oliveira FLUXO DE CAIXA: Módulo BI (Business Intelligence) Universidade Estadual de Campinas Instituto

Leia mais

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka

Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de

Leia mais

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1

Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 Laudon & Laudon Essentials of MIS, 5th Edition. Pg. 1.1 SISTEMA DE APOIO À DECISÃO Grupo: Denilson Neves Diego Antônio Nelson Santiago Sabrina Dantas CONCEITO É UM SISTEMA QUE AUXILIA O PROCESSO DE DECISÃO

Leia mais

Inteligência de Negócio. Brian Cowhig

Inteligência de Negócio. Brian Cowhig Inteligência de Negócio Brian Cowhig Inteligência de Negócio O Que é Inteligência de Negócio? Três Níveis de Inteligência de Negócio Database Query OLAP Data Mining Produtos de Inteligência de Negócio

Leia mais

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de 1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever

Leia mais

Análise de Sistemas. Visão Geral: Orientação a Objetos. Prof. José Honorato Ferreira Nunes honorato.nunes@bonfim.ifbaiano.edu.br

Análise de Sistemas. Visão Geral: Orientação a Objetos. Prof. José Honorato Ferreira Nunes honorato.nunes@bonfim.ifbaiano.edu.br Análise de Sistemas Visão Geral: Orientação a Objetos Prof. José Honorato Ferreira Nunes Prof. José Honorato Ferreira Nunes honorato.nunes@bonfim.ifbaiano.edu.br Resumo: VISÃO GERAL: Modelagem de sistemas

Leia mais

ADM041 / EPR806 Sistemas de Informação

ADM041 / EPR806 Sistemas de Informação ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes

Leia mais

John Locke (1632-1704) Colégio Anglo de Sete Lagoas - Professor: Ronaldo - (31) 2106-1750

John Locke (1632-1704) Colégio Anglo de Sete Lagoas - Professor: Ronaldo - (31) 2106-1750 John Locke (1632-1704) Biografia Estudou na Westminster School; Na Universidade de Oxford obteve o diploma de médico; Entre 1675 e 1679 esteve na França onde estudou Descartes (1596-1650); Na Holanda escreveu

Leia mais

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br

MINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para

Leia mais

SAD orientado a MODELO

SAD orientado a MODELO Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a MODELO DISCIPLINA: Sistemas de Apoio a Decisão SAD Orientado a Modelo De acordo com ALTER

Leia mais

NOKIA. Em destaque LEE FEINBERG

NOKIA. Em destaque LEE FEINBERG Em destaque NOKIA LEE FEINBERG A Nokia é líder mundial no fornecimento de telefones celulares, redes de telecomunicações e serviços relacionados para clientes. Como Gerente Sênior de Planejamento de Decisões

Leia mais

Extração de Requisitos

Extração de Requisitos Extração de Requisitos Extração de requisitos é o processo de transformação das idéias que estão na mente dos usuários (a entrada) em um documento formal (saída). Pode se entender também como o processo

Leia mais

Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics:

Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015. Big Data Analytics: Instituto de Educação Tecnológica Pós-graduação Gestão e Tecnologia da Informação - Turma 25 20/03/2015 Big Data Analytics: Como melhorar a experiência do seu cliente Anderson Adriano de Freitas RESUMO

Leia mais

Informática Aplicada à Engenharia Florestal

Informática Aplicada à Engenharia Florestal Informática Aplicada à Engenharia Florestal Computação Científica Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Computação Científica Conceito Computação Científica

Leia mais

Formas de Aumentar a Lucratividade da Sua Empresa com o Big Data

Formas de Aumentar a Lucratividade da Sua Empresa com o Big Data 9 Formas de Aumentar a Lucratividade da Sua Empresa com o Big Data Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Sua empresa sabe interpretar os dados que coleta? Para aumentar

Leia mais

A Grande Importância da Mineração de Dados nas Organizações

A Grande Importância da Mineração de Dados nas Organizações A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil

Leia mais

Evolução dos modelos de risco do sistema financeiro nacional

Evolução dos modelos de risco do sistema financeiro nacional Evolução dos modelos de risco do sistema financeiro nacional O avanço da modelagem de risco de empresas nova técnica com uma nova necessidade de processamento no ambiente Big Data julio.guedes@br.experian.com

Leia mais

Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house

Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Curso de Sistemas de Informação (Bacharelado) Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house

Leia mais

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014 PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método

Leia mais

DATA WAREHOUSE. Introdução

DATA WAREHOUSE. Introdução DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot

Leia mais

FTAD Formação Técnica em Administração. Aula 07 - ACI Prof. Arlindo Neto

FTAD Formação Técnica em Administração. Aula 07 - ACI Prof. Arlindo Neto FTAD Formação Técnica em Administração Aula 07 - ACI Prof. Arlindo Neto COMPETÊNCIAS QUE TRABALHAREMOS NESTE MÓDULO Conhecer os passos para implantação de um sistema de gestão empresarial ERP e SIG SIG

Leia mais

O JOGO E A APRENDIZAGEM

O JOGO E A APRENDIZAGEM O JOGO E A APRENDIZAGEM O JOGO E A APRENDIZAGEM Enquanto brinca, a criança amplia a sua capacidade corporal, sua consciência do outro, a percepção de si mesmo como um ser social e a percepção do espaço

Leia mais

6 Construção de Cenários

6 Construção de Cenários 6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.

Leia mais

Dr. Ronaldo Pilati - Psicologia Social - Universidade de Brasília 1

Dr. Ronaldo Pilati - Psicologia Social - Universidade de Brasília 1 Métodos de Pesquisa em Psicologia Social Psicologia Social como Ciência Empírica Universidade de Brasília 1 Método Científico O que é o método científico? A produção do conhecimento em ciência está associada

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia mais

SÍNTESE PROJETO PEDAGÓGICO. Missão. Objetivo Geral

SÍNTESE PROJETO PEDAGÓGICO. Missão. Objetivo Geral Curso: ENGENHARIA ELÉTRICA SÍNTESE PROJETO PEDAGÓGICO Missão O Curso de Engenharia Elétrica da Universidade Estácio de Sá tem por missão formar engenheiros com sólidos e atualizados conhecimentos científicos

Leia mais

COMUNICAÇÃO NA ERA DO BIG DATA

COMUNICAÇÃO NA ERA DO BIG DATA COMUNICAÇÃO NA ERA DO BIG DATA Sorria, você está sendo monitorado Numa sociedade em que praticamente tudo é digital, nossos passos podem e são rastreados, monitorados, compilados e analisados para fins,

Leia mais

Data Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento

Data Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um

Leia mais

Figura 1: Componentes do Kepler

Figura 1: Componentes do Kepler Modelagem do Workflow Científico no Kepler Modelagem do workflow de simulação científica do trabalho: Uma abordagem para gerência de projetos de experimentos científicos. Em referencia à explicação detalhada

Leia mais

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista Business Intelligence para Computação TítuloForense Tiago Schettini Batista Agenda Empresa; Crescimento de Dados; Business Intelligence; Exemplos (CGU, B2T) A empresa Empresa fundada em 2003 especializada

Leia mais

Introdução A Engenharia Da Computação

Introdução A Engenharia Da Computação Introdução A Engenharia Da Computação AULA I Slide 1 O Que é Engenharia? [De engenho + -aria.] Substantivo feminino 1.Arte de aplicar conhecimentos científicos e empíricos e certas habilitações específicas

Leia mais

AULA COM O SOFTWARE GRAPHMATICA PARA AUXILIAR NO ENSINO E APRENDIZAGEM DOS ALUNOS

AULA COM O SOFTWARE GRAPHMATICA PARA AUXILIAR NO ENSINO E APRENDIZAGEM DOS ALUNOS AULA COM O SOFTWARE GRAPHMATICA PARA AUXILIAR NO ENSINO E APRENDIZAGEM DOS ALUNOS Tecnologias da Informação e Comunicação e Educação Matemática (TICEM) GT 06 Manoel Luiz de Souza JÚNIOR Universidade Estadual

Leia mais

Projeto de Sistemas I

Projeto de Sistemas I Instituto Federal de Educação, Ciência e Tecnologia de São Paulo Projeto de Sistemas I Professora: Kelly de Paula Cunha E-mail:kellypcsoares@ifsp.edu.br Requisitos: base para todo projeto, definindo o

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO

10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO 10 DICAS DE TECNOLOGIA PARA AUMENTAR SUA PRODUTIVIDADE NO TRABALHO UMA DAS GRANDES FUNÇÕES DA TECNOLOGIA É A DE FACILITAR A VIDA DO HOMEM, SEJA NA VIDA PESSOAL OU CORPORATIVA. ATRAVÉS DELA, ELE CONSEGUE

Leia mais

UNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente

UNOESTE - Universidade do Oeste Paulista F I P P - Faculdade de Informática de Presidente Prudente 1º TERMO NOTURNO - 2009 31/03/09 3ª feira 20:50 h A ADMINISTRAÇÃO 01/04/09 4ª feira 19:00 h A1/A2 INTRODUÇÃO A COMPUTAÇÃO 02/04/09 5ª feira 19:00 h A1 LABORATÓRIO DE INFORMÁTICA I 02/04/09 5ª feira 20:50

Leia mais

Copyright 2012 EMC Corporation. Todos os direitos reservados.

Copyright 2012 EMC Corporation. Todos os direitos reservados. 1 A INFRAESTRUTURA DO FUTURO, HOJE Integrando Greenplum DCA e SAS para permitir estudos analíticos em big data Rafael Aielo Technology Consultant 2 O que é Greenplum? Adquirida pela EMC em julho de 2010

Leia mais

MetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica

MetrixND. especificações. MetrixND - Ferramenta de previsão de energia elétrica MetrixND especificações MetrixND - Ferramenta de previsão de energia elétrica Visão geral O MetrixND da Itron é uma ferramenta de modelagem flexível, bastante usada pelos principais serviços de previsão

Leia mais

Ferramentas Livres de Armazenamento e Mineração de Dados

Ferramentas Livres de Armazenamento e Mineração de Dados Ferramentas Livres de Armazenamento e Mineração de Dados JasperBI, Pentaho, Weka 09/2009 Eng. Pablo Jorge Madril pmadril@summa.com.br Summa Technologies www.summa.com.br Eng. Pablo Jorge Madril pmadril@summa.com.br

Leia mais

Apresenta. SofStore o mais novo aliado no gerenciamento do seu negócio

Apresenta. SofStore o mais novo aliado no gerenciamento do seu negócio Apresenta SofStore o mais novo aliado no gerenciamento do seu negócio SofStore Um Novo Sistema Para Sua Empresa SofStore Apresentação Experiência no Varejo A ID Brasil Sistemas atua no segmento de varejo

Leia mais

Modelagem e Simulação

Modelagem e Simulação AULA 11 EPR-201 Modelagem e Simulação Modelagem Processo de construção de um modelo; Capacitar o pesquisador para prever o efeito de mudanças no sistema; Deve ser próximo da realidade; Não deve ser complexo.

Leia mais

Linguagens de. Aula 01. Profa Cristiane Koehler cristiane.koehler@canoas.ifrs.edu.br

Linguagens de. Aula 01. Profa Cristiane Koehler cristiane.koehler@canoas.ifrs.edu.br Linguagens de III Aula 01 Profa Cristiane Koehler cristiane.koehler@canoas.ifrs.edu.br Linguagens de III Horário das Aulas: 6as feiras das 7h40 às 10h55 Objetivo principal desta disciplina é: utilizar

Leia mais

Big Data : uma conversa franca sobre resultados empresariais

Big Data : uma conversa franca sobre resultados empresariais Big Data : uma conversa franca sobre resultados empresariais Cláudio Lúcio www.a3data.com.br 1 Conversa franca Quais características de uma conversa franca? 30% 50% Planejar Sem rodeios Pense antes de

Leia mais

Prof. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.

Prof. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. Casos de Uso de Alto Nível Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. Contexto Na fase de concepção

Leia mais

Avaliação de Desempenho de Sistemas

Avaliação de Desempenho de Sistemas Avaliação de Desempenho de Sistemas Introdução a Avaliação de Desempenho de Sistemas Prof. Othon M. N. Batista othonb@yahoo.com Roteiro Definição de Sistema Exemplo de Sistema: Agência Bancária Questões

Leia mais

ArcGIS 1: Introdução ao GIS (10.2)

ArcGIS 1: Introdução ao GIS (10.2) ArcGIS 1: Introdução ao GIS (10.2) Duração: 02 dias (16 horas) Versão do ArcGIS: 10.2 Material didático: Português Descrição Este treinamento ensina o que é o GIS e o que você pode realizar com ele. Trabalhando

Leia mais

Extração de Conhecimento & Mineração de Dados

Extração de Conhecimento & Mineração de Dados Extração de Conhecimento & Mineração de Dados Nesta apresentação é dada uma breve introdução à Extração de Conhecimento e Mineração de Dados José Augusto Baranauskas Departamento de Física e Matemática

Leia mais

Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21. Catálogo de Treinamentos 2013

Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21. Catálogo de Treinamentos 2013 Informativo Bimestral da Siqueira Campos Associados agosto de 2013 - ano VII - Número 21 Nesta edição Lean Office - Dez dicas para economizar tempo no trabalho Estatística Seis Sigma - Estatística não

Leia mais

Inteligência Artificial

Inteligência Artificial Inteligência Artificial As organizações estão ampliando significativamente suas tentativas para auxiliar a inteligência e a produtividade de seus trabalhadores do conhecimento com ferramentas e técnicas

Leia mais

RESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios?

RESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? RESUMO DA SOLUÇÃO CA ERwin Modeling Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? O CA ERwin Modeling fornece uma visão centralizada das principais definições de

Leia mais

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

PLANO DE ENSINO PRÉ-REQUISITOS: ENS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse

Leia mais

Princípios de Engenharia de Software 2004-1. Resumo 1 Semana 1 Versão 1.0 Data:11/03/2004

Princípios de Engenharia de Software 2004-1. Resumo 1 Semana 1 Versão 1.0 Data:11/03/2004 Princípios de Engenharia de Software 2004-1 Resumo 1 Semana 1 Versão 1.0 Data:11/03/2004 Alunos : Thoran Araguez Rodrigues; Bruno Schroeder; Bruno; Daniel Chicre; Walter H. Grupo : Fellowship of the Software

Leia mais

Aula 7 Componentes de um Sistema de Informação Recursos e Atividades

Aula 7 Componentes de um Sistema de Informação Recursos e Atividades Aula 7 Componentes de um Sistema de Informação Recursos e Atividades Curso: Gestão de TI - UNIP Disciplina: Sistemas de Informação Professor: Shie Yoen Fang Ementa: Item 11 e Item 12 2ª semestre de 2011

Leia mais

INF 1771 Inteligência Artificial

INF 1771 Inteligência Artificial Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 02 Agentes Inteligentes Agentes Inteligentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de

Leia mais

PRIMAVERA RISK ANALYSIS

PRIMAVERA RISK ANALYSIS PRIMAVERA RISK ANALYSIS PRINCIPAIS RECURSOS Guia de análise de risco Verificação de programação Risco rápido em modelo Assistente de registro de riscos Registro de riscos Análise de riscos PRINCIPAIS BENEFÍCIOS

Leia mais

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE

DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento

Leia mais

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ Renan Felipe dos Santos Prof. Alexander Roberto Valdameri,Orientador ROTEIRO

Leia mais

Avaliando o que foi Aprendido

Avaliando o que foi Aprendido Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função

Leia mais

ENGENHARIA DE COMPUTAÇÃO

ENGENHARIA DE COMPUTAÇÃO ENGENHARIA DE COMPUTAÇÃO 2009 1 Resumo do Curso Disciplinas N. de Créditos Carga horária Disciplinas Obrigatórias Disciplinas do CB/CTC 74 1.200 Obrigatórias da Engenharia 35 765 Obrigatórias do Curso

Leia mais

MANUAL PARA PAIS E RESPONSÁVEIS SOBRE COMO LIDAR COM O "BULLYING/IJIME"

MANUAL PARA PAIS E RESPONSÁVEIS SOBRE COMO LIDAR COM O BULLYING/IJIME MANUAL PARA PAIS E RESPONSÁVEIS SOBRE COMO LIDAR COM O "BULLYING/IJIME" Consulado Geral do Brasil em Tóquio 2014 1. DEFINIÇÃO DE "IJIME" A expressão japonesa "ijime" significa maltrato. Já a expressão

Leia mais

Case Vital Automação. Planejamento e Execução OLIV Consultoria: 47 9942 8985

Case Vital Automação. Planejamento e Execução OLIV Consultoria: 47 9942 8985 O cenário inicial: Após 10 anos de sucesso e contínuo crescimento, o Grupo Vital composto das duas unidades de negócio EPIs e AUTOMAÇÃO decidiu estrategicamente trabalhar o Marketing no segmento Automação

Leia mais

Big Data e Análise de Dados: Tendências e Aplicações em Projetos. Marcus Borba. Apresentação

Big Data e Análise de Dados: Tendências e Aplicações em Projetos. Marcus Borba. Apresentação Big Data e Análise de Dados: Tendências e Aplicações em Projetos Marcus Borba 1 Apresentação Marcus Borba CTO - Spark Strategic Business Solution. 30 anos de experiência em tecnologia da informação.. 14

Leia mais

Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining

Pós-Graduação Lato Sensu Especialização em Análise de Dados e Data Mining Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00

Leia mais

MESTRADO EM PESQUISA DE MERCADOS 2006 2007

MESTRADO EM PESQUISA DE MERCADOS 2006 2007 MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)

Leia mais

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR

)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR 6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,

Leia mais

Redes Complexas Aula 2

Redes Complexas Aula 2 Redes Complexas Aula 2 Aula passada Logística, regras Introdução e motivação Aula de hoje Redes sociais Descobrimento Características Redes Sociais Vértices: pessoas ou grupo de pessoas Arestas: algum

Leia mais

Projeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software

Projeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software Programa Brasileiro de Qualidade e Produtividade Projeto 6.12 Aplicação de Data Mining a Dados de Avaliação da Qualidade de Produtos de Software Maria Teresa Villalobos Newton Roy Pampa Quispe Regina Maria

Leia mais

CURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO

CURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO CURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO DISCIPLINA: Metodologia Científica H111900 Finalidade da metodologia científica. Importância da metodologia no âmbito das ciências. Metodologia de estudos. O

Leia mais

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)

MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)

Leia mais

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à

Leia mais

Gerência de Projetos. Aula 07. Prof. Gladimir Ceroni Catarino gladimir@gmail.com

Gerência de Projetos. Aula 07. Prof. Gladimir Ceroni Catarino gladimir@gmail.com Gerência de Projetos Aula 07 Prof. Gladimir Ceroni Catarino gladimir@gmail.com SERVIÇO NACIONAL DE APRENDIZAGEM COMERCIAL FACULDADE DE TECNOLOGIA SENAC PELOTAS Gerenciamento do Tempo o Tempo gasto é tempo

Leia mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento de Dados e Gestão do Conhecimento ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento

Leia mais

FACULDADE PITÁGORAS DISCIPLINA: SISTEMAS DE INFORMAÇÃO

FACULDADE PITÁGORAS DISCIPLINA: SISTEMAS DE INFORMAÇÃO FACULDADE PITÁGORAS DISCIPLINA: SISTEMAS DE INFORMAÇÃO Prof. Ms. Carlos José Giudice dos Santos carlos@oficinadapesquisa.com.br www.oficinadapesquisa.com.br Estrutura de um Sistema de Informação Vimos

Leia mais

NE-16 Instação e Configuração do GeoSan. eng. José Maria Villac Pinheiro

NE-16 Instação e Configuração do GeoSan. eng. José Maria Villac Pinheiro NE-16 Instação e Configuração do GeoSan eng. José Maria Villac Pinheiro Apresentação da NEXUS Objetivos da capacitação Conteúdo Aula 1 Teoria das 16 às 17h - segunda Aula 2 Teoria das 16 às 17h - quarta

Leia mais

Introdução aos Bancos de Dados Não-Relacionais. Mauricio De Diana (mestrando) Marco Aurélio Gerosa (orientador)

Introdução aos Bancos de Dados Não-Relacionais. Mauricio De Diana (mestrando) Marco Aurélio Gerosa (orientador) Introdução aos Bancos de Dados Não-Relacionais Mauricio De Diana (mestrando) Marco Aurélio Gerosa (orientador) Conteúdo Histórico de BDs não-relacionais na Web 4 Categorias de bancos NoSQL Exemplos de

Leia mais

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /

Leia mais

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres Aula FAZENDO BI NO EXCEL FUNÇÕES ESTATÍTICAS DE TENDÊNCIA LINEAR E DE CRESCIMENTO Vocês já tiveram aulas de estatística,

Leia mais

Manual do usuário. Mobile Auto Download

Manual do usuário. Mobile Auto Download Manual do usuário Mobile Auto Download Mobile Auto Download Parabéns, você acaba de adquirir um produto com a qualidade e segurança Intelbras. Este manual serve como referência para a sua instalação e

Leia mais

O CONCEITO DE TDD NO DESENVOLVIMENTO DE SOFTWARE

O CONCEITO DE TDD NO DESENVOLVIMENTO DE SOFTWARE O CONCEITO DE TDD NO DESENVOLVIMENTO DE SOFTWARE Renan Leme Nazário, Ricardo Rufino Universidade Paranaense (Unipar) Paranavaí PR - Brasil renazariorln@gmail.com, ricardo@unipar.br Resumo. Este artigo

Leia mais

TERMO DE REFERÊNCIA Nº 4031 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO DE SELEÇÃO - EDITAL Nº

TERMO DE REFERÊNCIA Nº 4031 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO DE SELEÇÃO - EDITAL Nº Impresso por: RAFAEL DE SOUZA RODRIGUES DOS SANTOS Data da impressão: 10/08/015-14:4:5 SIGOEI - Sistema de Informações Gerenciais da OEI TERMO DE REFERÊNCIA Nº 401 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO

Leia mais

Prática e Gerenciamento de Projetos

Prática e Gerenciamento de Projetos Universidade de São Paulo Escola de Artes, Ciências e Humanidades Prática e Gerenciamento de Projetos Gerenciamento de Custos do Projeto Equipe: Jhonas P. dos Reis Marcelo Marciano Mário Januário Filho

Leia mais

PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA

PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA PÓS-GRADUAÇÃO ANÁLISE DE BIG DATA OBJETIVOS Este curso tem como objetivo principal apresentar de forma clara, objetiva e com aplicações reais como as metodologias de Big Data, Inteligência Artificial e

Leia mais

Introdução aos Sistemas de Informação Geográfica

Introdução aos Sistemas de Informação Geográfica Introdução aos Sistemas de Informação Geográfica Mestrado Profissionalizante 2015 Karla Donato Fook karladf@ifma.edu.br IFMA / DAI Análise Espacial 2 1 Distribuição Espacial A compreensão da distribuição

Leia mais

Simulação Computacional de Sistemas, ou simplesmente Simulação

Simulação Computacional de Sistemas, ou simplesmente Simulação Simulação Computacional de Sistemas, ou simplesmente Simulação Utilização de métodos matemáticos & estatísticos em programas computacionais visando imitar o comportamento de algum processo do mundo real.

Leia mais

Preparação para a Certificação de Engenheiro da Qualidade 1

Preparação para a Certificação de Engenheiro da Qualidade 1 Preparação para a Certificação de Engenheiro da Qualidade 1 OBJETIVOS DO CURSO Apresentar aos participantes os conteúdos do Corpo de Conhecimento necessários à certificação, possibilitando que aprimorem

Leia mais

MIT CDOIQ Symposium 2014. Os temas mais abordados

MIT CDOIQ Symposium 2014. Os temas mais abordados IV Conferência Internacional em Qualidade da Informação MIT CDOIQ Symposium 2014 Os temas mais abordados Evolução MIT Information Quality Program Pesquisa, Ensino, Publicações, Conferências, Certificação

Leia mais

CURSO SUPERIOR DE TECNOLOGIA EM LOGÍSTICA MODALIDADE A DISTÂNCIA - INGRESSANTES 1º SEM 2010

CURSO SUPERIOR DE TECNOLOGIA EM LOGÍSTICA MODALIDADE A DISTÂNCIA - INGRESSANTES 1º SEM 2010 Módulo Desenvolvimento Pessoal CURSO SUPERIOR DE TECNOLOGIA EM LOGÍSTICA MODALIDADE A DISTÂNCIA - INGRESSANTES 1º SEM 2010 06 de fevereiro de 2010 sábado- Das 9 às 13 Palestra:Orientações sobre Projeto

Leia mais

Conceitos Iniciais Parte 1

Conceitos Iniciais Parte 1 Módulo SIMULAÇÃO Conceitos Iniciais Parte O que pode ser simulado? Sistema de manufatura com máquinas, pessoas, rede de transporte, correias transportadoras e espaço para armazenamento; Agências bancárias

Leia mais

Universidade Federal de Santa Maria UFSM Centro de Tecnologia CT. Power Point. Básico

Universidade Federal de Santa Maria UFSM Centro de Tecnologia CT. Power Point. Básico Universidade Federal de Santa Maria UFSM Centro de Tecnologia CT Power Point Básico Santa Maria, julho de 2006 O Power Point é um aplicativo do Microsoft Office direcionado à criação de apresentações.

Leia mais

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais